本文探讨了神经网络机器翻译（NMT）在低资源条件下的性能，提出了数据增强和无监督翻译的方法。实验表明，优化后的NMT系统在德语-英语和韩语-英语翻译任务中显著提高了翻译质量。此外，研究展示了大型语言模型和半监督方法的有效性，推动了低资源语言翻译的进展。

本文探讨了多种无监督和半监督的机器翻译方法在文本风格转换中的应用，包括样式偏好信息、对抗网络和强化学习等技术。研究表明，这些方法在风格转换的准确性和内容保留方面优于现有模型，尤其在情感和形式转移任务中表现突出。

本文提出了一种高斯平滑最优输运框架，解决了维数诅咒问题，并在信息科学中提供了新思路。研究了机器学习在黎曼流形上的应用，提出了基于最优传输的跨语言对应模型，展示了其在无监督翻译中的有效性，同时探讨了不同领域的最优输运问题及其优化方法。